我是 numpy 的新手,在尝试过滤样本子集时遇到问题。
我有一个形状为 (1000, 12)
的矩阵。也就是说,一千个样本,每个样本有 12 个数据列。我愿意创建两个矩阵,一个包含样本中的所有异常值,另一个包含所有非异常值的元素;生成的矩阵应具有以下形状:
norm.shape = (883, 12)
outliers.shape = (117, 12)
为了识别异常值,我使用了以下条件:
cond_out = (dados[0:,RD_EVAL] > _max_rd) | (dados[0:,DUT_EVAL] > _max_dut)
也就是说,对于矩阵中的每一行,我都在寻找两列的值。如果其中之一高于某个阈值,则该线被视为异常值。关键是,此条件的形状为 (1000,)
,因此当我压缩原始矩阵时,我得到了 (117,)
结果。我如何过滤矩阵,使结果为 (117,12)
,即一个矩阵,其中所有行都是离群值,但每行中包含所有数据列?
最佳答案
import numpy as np
d=np.random.randn(4,4)
array([[ 1.16968447, -0.07650322, -0.30519481, -2.09278839],
[ 0.53350868, -0.8004209 , 0.38477468, 1.31876924],
[ 0.06461366, 0.82204993, 0.42034665, 0.30473843],
[ 1.13469745, -1.47969242, 2.36338208, -0.33700972]])
让我们过滤掉第二列中所有小于零的行:
d[:,1]<0
array([ True, True, False, True], dtype=bool)
你看,你得到了一个逻辑数组,你可以用它来选择所需的行:
d[d[:,1]<0,:]
array([[ 1.16968447, -0.07650322, -0.30519481, -2.09278839],
[ 0.53350868, -0.8004209 , 0.38477468, 1.31876924],
[ 1.13469745, -1.47969242, 2.36338208, -0.33700972]])
关于python - NumPy:如何过滤矩阵行,我们在Stack Overflow上找到一个类似的问题: https://stackoverflow.com/questions/11953111/